返回信息流随机森林不就是一堆决策树吗？所以随机森林和Adaboost+决策树是一回事吗？
也就是说这两种方法是一回事吗：
AdaBoostRegressor(DecisionTreeRegressor(max_depth=14))
rf = RandomForestRegressor(n_estimators = 10, max_features = 9, random_state = 1024)
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #29730同步于 2018/5/26
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
随机森林和Adaboost决策树是一回事吗？
PMS
2018/5/26镜像同步12 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
决策树产生方式不同，对决策树的决策过程也不同，一个并行(rf)，一个串行(boost)，一个减少方差(rf)一个降低方差(boosting)，还是区别很明显的，可以看一看算法的基本原理和流程
【 在 PMS (PMS) 的大作中提到: 】
: 随机森林不就是一堆决策树吗？所以随机森林和Adaboost+决策树是一回事吗？
: 也就是说这两种方法是一回事吗：
: AdaBoostRegressor(DecisionTreeRegressor(max_depth=14))
: ...................
打错了，boosting算法降低偏差(bias)
【 在 Mysry (Mysry) 的大作中提到: 】
: 决策树产生方式不同，对决策树的决策过程也不同，一个并行(rf)，一个串行(boost)，一个减少方差(rf)一个降低方差(boosting)，还是区别很明显的，可以看一看算法的基本原理和流程
1. rf是bagging，有样本随机（每棵树）和特征随机（节点分裂）；
2. adaboost是boost，加法模型，迭代求解。不断调整样本权重（每棵树），有特征随机（节点分裂）。
通过『我邮2.0』发布
https://mp.weixin.qq.com/s?__biz=MzIxODM4MjA5MA==&mid=2247485011&idx=2&sn=ecab48582b3dfb5d33605f08bc4c33d8&chksm=97ea2c36a09da520bdbb74548c0ba97bf8dcfc5f1f2599da48d99ec68078032a084df829e3bc&scene=0#rd